面向旅游突发事件的客流量混合预测方法研究

发布时间：2018-02-21 02:41

  本文关键词： SVR ARIMA CPSO 旅游突发事件 客流量预测　出处：《中国管理科学》2017年05期 　论文类型：期刊论文

【摘要】：由于旅游突发事件的突然爆发性、危害性及信息不对称性,导致旅游客流量在短时间内发生急剧变化,原有模式被打破,非线性趋势和线性特征交织的随机性趋势明显,为旅游客流量正常预测带来极大的难度。本文提出一种面向旅游突发事件客流量混合预测方法,即支持向量回归(Support Vector Regression,SVR)和自回归求和移动平均模型(Autoregressive Integrated Moving Average,ARIMA)结合的混合预测方法:首先通过SVR预测旅游突发事件时期客流量,然后再用ARIMA预测SVR预测值的残差部分,最后将两者预测结果相加;同时针对客流量复杂特征,采用一种混沌粒子群算法(Chaos Particle swarm optimization,CPSO)实现对SVR参数选择。来自黄山风景区汶川地震时期客流量相关数据验证表明,混合预测模型优于单一预测方法,为旅游突发事件时期客流量预测提供了一种有效选择。
[Abstract]:Because of the sudden explosion , harmfulness and information asymmetry of tourism accidents , the random tendency of the traffic flow in the short period of time has been broken , the nonlinear trend and the random tendency of the linear characteristic interweave are obvious , which can bring great difficulty for the normal forecast of the passenger flow .

【作者单位】： 蚌埠学院经济与管理学院;合肥工业大学管理学院;蚌埠学院理学院;
【基金】：国家自然科学基金资助项目(71331002,71271072,71301037,71301040) 安徽高校自然科学研究重点项目(KJ2015A143) 安徽省教育厅2016年高校优秀拔尖人才培育资助重点项目(gxfxZD2016283) 蚌埠学院国家级项目培育基金项目
【分类号】：F592.7;TP18

【相似文献】

相关期刊论文 前10条

1 雷文平,郑鹏;ARIMA模型在旋转机械振动预测中的应用[J];郑州轻工业学院学报;2004年02期

2 程昌品;陈强;姜永生;;基于ARIMA-SVM组合模型的股票价格预测[J];计算机仿真;2012年06期

3 李小明;王颖;刘春明;;基于ARIMA的电网地磁感应电流预测研究[J];计算机与数字工程;2012年09期

4 岑宇钿;肖南峰;;基于ARIMA模型的陀螺随机误差分析[J];装备制造技术;2008年11期

5 张国良;后永春;舒文;朱士玉;聂绍发;许奕华;;三种模型在肺结核发病预测中的应用[J];中国卫生统计;2013年04期

6 吕瑛洁,胡昌华,李国华,张伟;基于ARIMA和RBF网络组合预测的惯性器件故障预报[J];电光与控制;2005年04期

7 王振雷;唐苦;王昕;;一种基于D-S和ARIMA的多模型软测量方法[J];控制与决策;2014年07期

8 梅志雄;;应用DRNN和ARIMA组合模型的时空集成预测方法[J];小型微型计算机系统;2010年04期

9 王吉芳;费仁元;徐小力;刘鑫;;ARIMA与RBF复合模型在设备运行状态趋势预测中的应用[J];机械传动;2011年09期

10 ;[J];;年期

相关会议论文 前3条

1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三届中国控制会议论文集（下册）[C];2004年

2 任家福;张f ;周宗放;;基于ARIMA和BP神经网络的组合预测模型及应用研究[A];第三届（2008）中国管理学年会——技术与创新管理分会场论文集[C];2008年

3 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六届中国控制会议论文集[C];2007年

相关硕士学位论文 前8条

1 雍永强;基于ARIMA和BPNN的组合预测模型在血糖预测中的应用[D];郑州大学;2015年

2 刘颖;基于ARIMA模型和神经网络对论文下载量进行预测[D];大连理工大学;2015年

3 郑荣;基于ARIMA与SVM组合模型的煤炭价格预测[D];东华理工大学;2015年

4 赵佳宝;ARIMA结合BP神经网络对核心交易量预测的研究[D];东华大学;2016年

5 邓智敏;基于ARIMA与神经网络的商品条码注册量预测研究[D];华南理工大学;2016年

6 袁秀芳;SVR模型及其用于经济数据预测的研究[D];西华师范大学;2016年

7 冯悦;基于集成学习的区域人流密度预测研究[D];华南理工大学;2016年

8 单玉隆;ARIMA模型与遗传算法优化神经网络在GDP预测中的应用[D];兰州大学;2014年

，

本文编号：1520765